我们知道，R语言进行GO/KEGG富集严重依赖 OrgDb 数据库。模式生物的分析还好，有对应的 OrgDb 包。但非模式生物就没这么幸运了。还好我们有 AnnotationHub。
1. 什么是 OrgDb？
OrgDb（Organism Database）是 Bioconductor 提供的物种注释数据库，包含基因、转录本、蛋白质等生物信息，例如：
- 基因名（gene symbol）
- 基因 ID（Entrez ID, Ensembl ID）
- GO 注释（Gene Ontology）
- KEGG 通路信息
- 染色体位置
常见的 OrgDb 数据库：
org.Hs.eg.db（人类）
org.Mm.eg.db（小鼠）
org.Dm.eg.db（果蝇）
2. 为什么要用 AnnotationHub 下载 OrgDb？
通常我们可以直接安装 OrgDb 包，例如：
BiocManager::install("org.Hs.eg.db")但 AnnotationHub 更灵活，因为：
✅自动获取最新版本（无需手动更新）
✅支持更多物种（尤其是不常用的物种）
✅统一接口管理多个数据库
3. 安装 AnnotationHub
如果你还没有安装，先运行：
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("AnnotationHub")加载包：
library(AnnotationHub)4. 下载 OrgDb 数据库
方法 1：直接查询物种名称
# 创建 AnnotationHub 连接
ah <- AnnotationHub()
# 查询人类（Homo sapiens）的 OrgDb
human_orgdb <- query(ah, c("OrgDb", "Homo sapiens"))
human_orgdb输出示例：
AnnotationHub with 1 record
# snapshotDate(): 2024-01-01
# names(): AH12345
# package(): org.Hs.eg.db
# title: Homo sapiens (Human) OrgDb
# dataprovider: Bioconductor
# species: Homo sapiens下载数据：
# 使用 ID 下载（替换成你的实际 ID）
hs_db <- ah[["AH12345"]]方法 2：按数据库类型筛选
# 先列出所有 OrgDb
orgdbs <- query(ah, "OrgDb")
# 查看支持的物种
orgdbs$species下载小鼠（Mus musculus）的 OrgDb：
mm_db <- orgdbs[orgdbs$species == "Mus musculus"]
mm_db <- ah[[mm_db$ah_id[1]]] # 下载第一个匹配项5. 使用 OrgDb 数据
（1）获取基因信息
# 获取所有基因的 Entrez ID 和 Gene Symbol
columns(mm_db) # 查看可用的字段
keytypes(mm_db) # 查看可用的 ID 类型
# 提取前 10 个基因的 Entrez ID 和 Symbol
genes <- select(mm_db,
keys = head(keys(mm_db, keytype = "ENTREZID")),
columns = c("ENTREZID", "SYMBOL"),
keytype = "ENTREZID")
head(genes)（2）查询 GO 注释
# 获取某个基因的 GO 注释
go_annot <- select(mm_db,
keys = "103980", # 示例 Entrez ID
columns = c("GO", "ONTOLOGY"),
keytype = "ENTREZID")
go_annot6. 总结
✅AnnotationHub 提供 OrgDb 数据库的统一接口
✅query(ah, c("OrgDb", "物种名")) 快速查找
✅ah[["ID"]] 下载数据
✅select() 提取基因、GO、通路等信息
适合场景：
需要最新版注释数据时
研究非模式生物（如斑马鱼、水稻）
批量管理多个物种数据库
试试用 AnnotationHub 获取你的研究物种数据吧！ 🧬
最后提醒一下，AnnotationHub 由于需要从网络下载数据，经常发生中断的情况，比如报错：
Loading required package: BiocFileCache
Loading required package: dbplyr
downloading 1 resources
retrieving 1 resource
Error loading resource.
attempting to re-download
downloading 1 resources
retrieving 1 resource
Error: failed to load resource
name: AH117408
title: org.Zea_mays.eg.sqlite
reason: 1 resources failed to download
In addition: Warning messages:
1: download failed
web resource path: ‘https://annotationhub.bioconductor.org/fetch/124154’
local file path: ‘/data/jobs/000/323/323996/home/.cache/R/AnnotationHub/196a96482_124154’
reason: Transferred a partial file [mghp.osn.xsede.org]: end of response with 182687483 bytes missing
2: bfcadd() failed; resource removed
rid: BFC3
fpath: ‘https://annotationhub.bioconductor.org/fetch/124154’
reason: download failed
3: download failed
hub path: ‘https://annotationhub.bioconductor.org/fetch/124154’
cache resource: ‘AH117408 : 124154’
reason: bfcadd() failed; see warnings()
4: download failed
web resource path: ‘https://annotationhub.bioconductor.org/fetch/124154’
local file path: ‘/data/jobs/000/323/323996/home/.cache/R/AnnotationHub/192777bc9d_124154’
reason: Transferred a partial file [mghp.osn.xsede.org]: end of response with 162371316 bytes missing
5: bfcadd() failed; resource removed
rid: BFC4
fpath: ‘https://annotationhub.bioconductor.org/fetch/124154’
reason: download failed
6: download failed
hub path: ‘https://annotationhub.bioconductor.org/fetch/124154’
cache resource: ‘AH117408 : 124154’
reason: bfcadd() failed; see warnings()
Execution halted遇到这种情况，最好提前缓存好需要的 OrgDb 资源，或者换一个能正常访问 https://annotationhub.bioconductor.org 的网络重试。
当然，最简单的，可以使用 Galaxy 生信云平台的在线工具。比如我们要进行玉米（Zea mays）的 GO 富集分析。
进入平台：https://usegalaxy.cn
上传玉米基因的 Entrez ID 列表（一行一个）。转换方法可参考本公众号内文章：如何进行基因ID转换？这个被NIH收编的David生信工具可以解决你的焦虑
搜索工具：clusterProfiler enrichGO
参数设置如下图所示
最后点击运行就可以了
运行结束后如果对图片的大小等不满意，可以修改参数多次运行，直至得到满意结果。
推荐阅读
自己整理的ChIP seq分析步骤，大家谁有需要可以参考参考（持续更新）
WES变异检测流程上线：GATK最佳实践 & DeepVariant
社区简介
中国银河生信云平台（UseGalaxy.cn）以“让生信分析更简单”为使命。平台致力于为科研工作者、医疗机构和生物产业技术人员提供全栈式生物信息学分析解决方案。
如何参与社区建设
• 多在社群活跃，积极参与讨论。
• 为平台制作图文或视频教程。
• 为平台制作工具或流程。
• 赞助平台。
联系方式
|
|
